[發明專利]一種實時在線飛行器AI神經網絡系統

在審

• 申請號: 201910357020.7
• 申請日: 2019-04-29
• 公開（公告）號: CN110135561A
• 公開（公告）日: 2019-08-16
• 發明（設計）人: 張英;王世會;韋閩峰;王嘉賢;高曉穎;趙雄波;楊喆;鄭文娟;陳偉;周輝;吳松齡;秦東輝;李毅;郭城;王婧;曹健;張興;張繼生;蔡燕斌;汪冬瑾;江存勝;劉建敬;趙一飛;戚紅向;馬征;趙星宇;孫德勝;楊俊峰;司文杰;黃如意;呼吁;王琦;陳紅巖;周華;韓利軍;楊廣慧;馮麗;許琦;李悅;張輝;李曉東;李德強;野超
• 申請（專利權）人: 北京航天自動控制研究所;中國運載火箭技術研究院
• 主分類號: G06N3/04
• 分類號: G06N3/04
• 代理公司: 中國航天科技專利中心 11009
• 代理人: 馬全亮

一種實時在線飛行器AI神經網絡系統，包括卷積定點滑動IP核、池化壓縮量化IP核以及全連接壓縮融合IP核。共i+1層，每個卷積定點滑動窗口IP核和池化壓縮量化核結構相同。其中，傳感器信號1為對于飛行器優先級最高的主慣導數據，它單獨輸入一個單元網絡層在第二次卷積時需控制1至i+1層的輸入。飛行器異構傳感器數據，作為系統的輸入；辨識結果作為系統的輸出。卷積滑動窗口IP核，通過排除冗余數據的滑動窗快速實現數據特征的提取；池化壓縮量化IP核，使用壓縮量化技術，提高系統執行效率；全連接壓縮融合IP核，經刪減量化后壓縮融合，輸出滿足飛行器實時飛行過程中對大量異構輸入數據的高可靠性、低功耗智能集成處理需求。

技術領域

本發明涉及一種實時在線飛行器AI神經網絡系統。

背景技術

隨著人工智能技術的不斷發展，基于人工智能技術的飛行器控制成為研究的熱點問題。其具有強大的處理非線性和自學習以及并行運算的能力，在復雜非線性系統的控制方面有很大的優勢。其中，神經網絡技術代表了一種新的方法體系，其以分布式的方式存儲信息，利用網絡的拓撲結構和權值分布實現非線性映射，并利用全局并行處理實現從輸入空間到輸出空間的非線性變換，從而實現對飛行器復雜系統的智能控制。

現有神經網絡系統難以突破飛行器的實時在線需求。飛行器飛行速度快，要求在毫秒級時間內實現辨識輸出，在完成大數據吞吐同時，要求系統運算的功耗低。現有技術通過較大的網絡規模，使用復雜代碼完成卷積、池化和全連接層連接結構，未能對輸入優先級最高的主慣導數據有效處理，無法滿足時在線飛行器AI神經網絡系統的需求。

發明內容

本發明的技術解決問題是：克服現有技術的不足，提供了一種實時在線飛行器AI神經網絡系統。該系統是一種智能實時處理系統，有效的解決了實時飛行過程中對大量異構輸入數據的高可靠性、低功耗智能集成處理需求。

本發明的技術解決方案是：

一種實時在線飛行器AI神經網絡系統，包括i+1層神經網絡單元，每層神經網絡單元均包括若干交替進行的卷積定點滑動IP核和池化壓縮量化IP核，卷積定點滑動IP核對輸入的數據進行卷積處理，池化壓縮量化IP核進行降低數據率處理以及特征提取；外部輸入的第一路傳感器信號對應飛行器優先級最高的主慣導數據，單獨輸入一層神經網絡單元中，經過該層神經網絡單元中第一個卷積定點滑動IP核處理和第一個池化壓縮量化IP核處理后的輸出，作為控制所有i+1層神經網絡單元中第二次卷積定點滑動IP核的輸入；

所有i+1層神經網絡單元的最終處理結果均輸入到全連接壓縮融合IP核進行處理，實現目標識別，所述全連接壓縮融合IP核的輸出即為AI神經網絡系統的輸出。

神經網絡單元的層數具體為：

當只有1個傳感器輸入時，層數＝1；

當有2個以上傳感器輸入時，層數＝i+1，i是傳感器數量的一半向下取整。

外部輸入的第一路傳感器信號，輸入到第一層神經網絡單元中；第二路和第三路傳感器信號均送入第二層神經網絡單元中，第四路和第五路傳感器信號均送入第三層神經網絡單元中，以此類推，當傳感器數量為奇數時，第2i路和第2i+1路傳感器信號均送入第i+1層神經網絡單元中；當傳感器數量為偶數時，第2i路傳感器信號送入第i+1層神經網絡單元中。

卷積定點滑動IP核對數據進行卷積運算，卷積定點滑動IP核中包括2條緩存器，1條為權值緩存器，用于存儲權值，1條為數據緩存器，用于存儲傳感器輸入處理后的數據；

將權值緩存器存儲量化為2的指數次冪的固定權值，數據緩存器按時鐘周期移位緩存輸入數據；權值緩存器大小為CC乘以CR，數據緩存器大小為(CR-1)×IC+CC，其中，CC為卷積核列數，CR為卷積核行數，IC為輸入特征數列數；